谷歌AutoML是新的AI怪獸嗎？

導讀：在人工智慧（AI）時代全面來臨之際，很多重複體力勞動甚至是腦力勞動者已經開始擔心自己的工作會不會被AI這頭怪獸取代。然而，伴隨近期谷歌發布的一項新型AI服務，那些創造了AI的工程師們現在似乎也開始擔心自己即將成為新一批被AI取代的對象，這究竟是怎麼回事呢？

1月18日凌晨，Google Cloud AI（谷歌雲AI）首席科學家李飛飛通過自己的推特賬號和博客宣布：谷歌雲AI已經上線首個可自動設計並建立機器學習模型的服務實例，即面向圖像識別的AutoML Vision服務，這標誌著谷歌雲AI再次取得了里程碑式的進展。通過該服務，企業開發者可以充分利用谷歌雲AI平台提供的先進技術能力，根據需求定製個性化的模型架構，實現機器學習的自動化設計流程。

圖1 谷歌Cloud AutoML Vision

一般情況下，開展機器學習需要輸入大量的訓練數據集合，再由具備專業知識的科學家和工程師對數據進行分析挖掘，設計演算法並對訓練模型進行反覆調試，才能得到成熟的模型架構，而AutoML（自動化的機器學習）則極大的簡化了其中效率不高的網格搜索和冗長單調的模型開發流程，將這部分工作交由機器來自動完成。

圖2 AutoML網路架構

從谷歌本次公開宣傳的AutoML Vision服務模式來看，用戶只需通過圖形化界面將帶有標籤的圖形數據集合上傳到該服務平台，就能自動訓練生成新的定製化模型，從而幫助那些不具備深入專業知識的用戶高效地開展圖像識別和機器學習工作。同時，雖然谷歌AutoML Vision的主要服務對象是那些缺少專業機器學習知識專家的企業級用戶，但該平台也向機器學習領域的專業人員提供了一系列全新的拓展工具軟體包，通過執行深層表示的架構搜索和超參數分析等功能，為開發者提供方便靈活的設計體驗。此外，谷歌還宣布將在開放AutoML Vision視覺識別模型服務的基礎上，陸續將該服務拓展到機器翻譯、視頻和自然語義處理等多個機器學習熱點領域。

GIF

圖3 谷歌Cloud AutoML Vision服務

可以說，谷歌AutoML Vision服務背後是依託遷移學習和神經架構搜索等技術創建的一系列「開箱即用」的軟體實例，其核心目標是通過將已有模型「工具化」來訓練機器自動完成新模型的訓練和調試過程，但距離「AI」設計「AI」，期間還存在著相當長的距離。從當前情況來看，大型神經網路模型的設計過程中，人類工程師的基礎導向和決策功能當前是無法被機器取代的，目前機器能夠完成的只是訓練和調試過程中枯燥、繁瑣和漫長的搜索和適配性重複勞動，其目的是在提升效率的同時有效降低機器學習的入門門檻，緩解機器學習高端人才短缺的現狀，解放生產力，幫助更多的企業快速落地機器學習應用，進而推動人工智慧在各個應用場景的普及。同時，通過不斷優化服務體系和後期加快拓展服務領域，谷歌雲AI平台將獲取面向豐富應用場景的大量數據集和訓練模型實例，這些資源才是未來進一步強化AI能力的寶貴財富。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！